非参数检验及 matlab 实现Kolmogorov—Smirnov test：检验两个样本是否有相同分布KstestTest statistics：[h，p,ksstat，cv］ = kstest（x,CDF,alpha，type)x: 被测试的数据样本，以列向量输入(continuous distribution defined by cumulative distribution function）CDF：被检验的样本 cumulative distribution function,缺省值为 N（0,1)Alpha：显著性水平，缺省时为 0。05Type：字符输入.’unequal’（缺省值）检验两者分布是否相同 'larger' 检验 x 的 CDF 大于给定的 CDF 'smaller’ 检验 x 的 CDF 小于给定的 CDFh h=0 不拒绝原假设,即两个分布相同 h=1 拒绝原假设，即两个分布不同p ：拒绝原假设的最小显著性水平ksstat ：假设为真时，满足 student 分布cv ：critical value/cutoff value，determining if ksstat is significant。Kstest2：［h,p，ks2stat］ = kstest2(x1,x2，alpha，type）详见 ketestLilliefors test：检验两个样本是否有相同分布Test statistics：2—sided goodness-of—fit testlillietest［h,p，kstat,critval］ = lillietest （x,alpha,distr,mctol)各参数参见 kstest，特别的，mctol 为使用蒙特卡洛方法计算 p 值Jarque-Bera test检验样本是否来自均值和方差未知的正态分布two-sided goodness-of-fit test假设：x 为正态分布test statistic：， where n is the sample size， s is the sample skewness， and k is the sample kurtosis。jbtest[h，p，jbstat，critval］ = jbtest(x,alpha,mctol）各个参数意义详见 lillietest。Wilcoxon—Mann—Whitney Ranks Test检验两个样本是否来自于同一分布。以下function f=Wilcoxon_Rank_Test（x，y，alpha)直接是秩和检验方法，另有function f=Pre_Wilcoxon(x,y,alpha)是改进的秩和检验方法。区别在于样本的处理方式。function f=Wilcoxon_Rank_Test（x，y,alpha）；％x，y are vectors ％x，y can be at different lengthZ=[x;y]；%z1 for ranking from small to large%z2 for place［z1，z2]=sort（Z,'ascend’)； for i=1：size(x，1） for j=i：size(z1,1) if z1(j）==x（i) X(i,1)=j; end endend％X is the rank of x in vectorm=size（x,1)；n=size（y,1）；Ex=m＊（m+n+1）/2；Varx=m*n*(m+n+1）/12；c=sqrt(Varx）＊norminv（1—al...
